RANCANG BANGUN DATA WAREHOUSE UNIVERSITAS HALU OLEO MENGGUNAKAN MODEL STARS SCHEMAS

ISSN: 2502-8928 (Online) Vol.2, No.1, Jan-Jun 2016, pp. 1-6  121IJCCS

RANCANG BANGUN DATA WAREHOUSE

UNIVERSITAS HALU OLEO MENGGUNAKAN

MODEL STARS SCHEMAS

Natalis Ransi*1, Rahmat Ramadhan2, Adha Mashur Sajiah3, Alimuddin5, La Surimi5 *1,2,3,5

Jurusan Teknik Informatika, Fakultas Teknik, Universitas Halu Oleo, Kendari 4

UPT. Teknologi Informasi dan Komunikasi, Universitas Halu Oleo, Kendari e-mail :*1natalis.ransi@uho.ac.id,2rahmat.ramadhan@innov-center.org,

3

adha.m.sajiah@innov-center.org Abstrak

Universitas Halu Oleo memiliki Sistem Informasi Akademik yang digunakan dalam menunjang proses pelayanan akademik pada civitas akademika. Saat ini data pada sistem informasi tersebut belum menjadi sumber data sebagai pendukung pengambilan keputusan. Tulisan ini kami menunjukkan sistem Data Warehouse yang dapat memberikan data historis berorientasi subjek sehingga dapat dianalisis menjadi berbagai informasi yang dibutuhkan oleh top-levelmanagement.Model star schema kami gunakan untuk pembangunan model basis datanya. Beberapa kasus permintaan informasi juga kami sampaikan. Dilengkapi dengan solusi dalam bentul aljabar relasional dan Sructured Query Language (SQL)

Kata kunci—Data Warehouse , Pengambilan Keputusan, Model Stars Schemas

Abstract

Halu Oleo University has Academic Information System that is used in supporting academic service process in academic community. Currently the data on the information system has not been a source of data as support decision-making. This paper shows us a Data Warehouse system that can provide subject-oriented historical data so that it can be analyzed into the various information required by top-levelmanagement. Our star schema model is used for the development of its database model. Some cases of information requests we also submit. Equipped with solutions in relational algebra and Sructured Query Language (SQL)

Keywords— Data Warehouse , Decision Making, Stars Schemas Model 1. PENDAHULUAN

etiap organisasi memiliki karakteristik pemrosesan data berbeda untuk setiap unit kerjanya [1]. Hal ini berimplikasi pada dibangunnya sebuah sistem informasi yang berbeda baik segi struktur data maupun basis data yang digunakan. Oleh [2] menyatakan bahwa sebuah organiasi, misalnya universitas, memiliki transaksi data yang begitu besar dan banyak sehingga dibutuhkan sebuah sistem yang mampu menyimpan data-data tersebut.

Universitas Halu Oleo memiliki Sistem Informasi Akademik yang digunakan dalam menunjang proses pelayanan akademik pada civitas akademika. Saat ini data pada sistem informasi tersebut belum menjadi sumber data

sebagai pendukung pengambilan keputusan. Tulisan ini kami menunjukkan sistem Data Warehouse yang dapat memberikan data historis berorientasi subjek sehingga dapat dianalisis menjadi berbagai informasi yang dibutuhkan oleh top-level management. Oleh [2] menyatakan bahwa penerapan Data Warehouse dapat membantu pengintegrasian data sehingga akses toplevel-management

terhadap data menjadi efisien.

Penggunaan Data Warehouse untuk menunjang kegiatan akademik telah banyak dilakukan. Oleh [3] menggunakan Data Warehouse untuk melakukan pengelolaan basisdata pada sebuah universitas. Selanjutnya [4], menyatakan bahwa penggunaan Data Warehouse lebih efisien jika dibandingkan dengan menggunakan OLTP. Data Warehouse

untuk menunjang kegiatan akademik di universitas, misalnya proses penyusunan laporan menjadi lebih sederhana, karena pengguna bisa melakukan customization report sesuai dengan yang diinginkan, sehingga ada efisiensiwaktu dari yang sebelumnya memerlukan waktu satu bulan untuk membuat program baru atau satu minggu untuk mengerjakan secara manual menjadi hanya satu hari.

Dalam merancang data Warehouse

dapat digunakan beberapa model. Menurut [5]

model star schema dapat diterapkan dalam merancang Data Warehouse pada data akademik sebuah universitas. Oleh karena itu, pada penelitian ini penulis mengajukan judul Rancang Bangun Data Warehouse Universitas Halu Oleo menggunakan Model Star Schema.

2. METODE PENELITIAN 2.1 Penelitian tentang DataWarehouse

Penggunaan Data Warehouse telah membantu beberapa organisasi dalam melakukan evaluasi terhadap proses bisnis organiasi. Selain itu Data Warehouse juga digunakan sebagai alat bantu dalam menentukan strategi organisasi, khususnya yang berhubungan dengan sistem pendukung pengambilan keputusan. Oleh [6] menyatakan bahwa penerapan Data Warehouse membantu organisasi untuk menentukan perangkat keras yang terbaik dalam menerapkan Mesh Analysis Applications di Sandia National Laboratories. Sementara itu, [7] menyatakan bahwa Data Warehouse secara signifikan membantu perusahaan untuk menciptakan model evaluasi terhadap fungsionalitas, produktifitas dan kegunaan setiap unit dalam perusahaan.

Teknik dalam pembangunan sebuah

Data Warehouse terus mengalami perkembangan. Oleh [8] memperkenalkan pendekatan untuk melakukan pencocokan terhadap perintah-perintah yang selalu digunakan pada manajemen Graph Data Base Management System (GDBMS) dengan menerapkan konsep Structured Query Language (SQL). Selain itu [9] memperkenalkan tiga tahap dalam pembangunan Data Warehouse

yaitu:planning extensiveness, decision rules complexity, dan control sophistication.

2.2 Pengertian DataWarehouse

Data Warehouse merupakan sebuah gudang data yang berisi data dalam jumlah besar dan digunakan untuk proses analisa dan pembuatan laporan yang dibutuhkan perusahaan. Oleh [10] menyatakan bahwa

Data Warehouse adalah tempat penyimpanan informasi yang dikumpulkan dari berbagai sumber, disimpan dalam skema yang terpadu dan biasanya berada dalam suatu lokasi / situs. Menurut [1] Data Warehouse adalah koleksi data yang mempunyai karakteristik berorientasi subjek, terintegrasi, time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan

management.

a) Karakteristik Data Warehouse

Berdasarkan definisi yang dikemukakan oleh [10] tentang Data Warehouse , maka

Data Warehouse mempunyai empat buah karakteristik yaitu :

1. Subject Oriented

Data Warehouse diorganisasikan ke dalam banyak subject yang utama seperti

customer, product, dan sales. Data Warehouse tidak berkosentrasi pada kegiatan operasional sehari-hari dan proses transaksi pada suatu organisasi, Data Warehouse fokus terhadap modeling dan analisis data untuk pengambilan keputusan, oleh karena itu, Data Warehouse

menghasilkan pandangan sederhana dan ringkasan terhadap subject tertentu dan mengabaikan data yang tidak relevant

terhadap proses pendukung keputusan. 2. Integrated

Data Warehouse biasanya dibangun dengan mengintegrasikan sumber data yang berbeda-beda, seperti relational database, flat files dan online transactional. Teknik

data cleaning dan data integration

digunakan untuk memastikan konsistensi dalam konvesi penamaan, struktur pengkodean, ukuran atribut dan sebagainya.

3. Non-volatile

Data Warehouse secara fisik memisahkan pengumpulan data dari aplikasi data yang ditemukan dalam operationalenvironment.

Di dalam pemisahan Data Warehouse tidak memerlukan proses transaksi, recovery, dan

concurency control mechanism. Biasanya hanya membutuhkan dua operasi dalam

Gambar 1 Struktur Data Warehouse [10] mengakses data, initial loading data dan

access of data. 4. Time variant

Data disimpan untuk memberikan informasi dari perspektif history (misalnya, 5-10 tahun terakhir). Setiap struktur kunci dalam Data Warehouse berisi baik secara implisit maupun eksplisit elemen waktu. b) Arsitektur Data Warehouse

Data Warehouse mengandung tiga tingkatan dalam arsitekural, seperti digambarkan pada Gambar 1.

c) Data Warehouse server

Merupakan tingkatan paling bawah pada arsitektural dataWarehouse . Data Warehouse server merupakan relational database system. Back-end tools dan utilities digunakaan untuk menghasilkan data ke tingkat bawah dari

operasional database atau sumber eksternal lainnya (misalnya, pelanggan informasi profil yang disediakan oleh konsultan eksternal).

Tools dan utilities menghasilkan data extraction, cleaning, dan transformation

(misalnya, untuk menggabungkan data yang sama dari sumber yang berbeda ke dalam format yang terpadu), seperti fungsi load dan

refresh untuk update ke dalam Data Warehouse . Data yang diambil menggunakan antar-muka program aplikasi yang dikenal sebagai gateway. Sebuah gateway didukung oleh DBMS yang mendasari dan memungkinan program klien untuk menghasilkan kode SQL yang akan dieksekusi di server.

Contoh gateway meliputi ODBC (Open Database Connection) danOLEDB (Object Linking and Embeedding Database) dariMicrosoft dan JDBC (Java Database Connection). Tingkatan ini berisi repositori

meta data, yang menyimpan informasi tentang

Data Warehouse dan isinya. d) OLAP Server

Merupakan tingkatan menengah dalam arsitektural dataWarehouse . Biasanya diimplementasikan baik menggunakan model

relational OLAP (ROLAP) (yaitu, perpanjangan dari relational DBMS yang memetakan operasi pada data multidimensi pada operasi relasional standar),atau model

multidimensional OLAP (MOLAP) (yaitu,

server yang mempunyai tugas yang khusus untuk mengarahkan implementasi multidimensi data dan operasi).

e) Front End Client Layer

Merupakan tingakatan atas pada arsitektural dataWarehouse . Berisikan tool query, alat analisis, dan tools datamining

(Contoh, trend analysis, prediction dan sebagainya).

3. HASIL DAN PEMBAHASAN 3.1 RancanganModel Relasional data

Warehouse

Rancangan model relasional data Warehouse untuk data akademik Universitas Halu Oleo ditunjukkan oleh Gambar 2.

Implementasi Query

3.2 Implementasi Query

Query yang digunakan untuk memperoleh informasi terkait data akademik Universitas Hao Oleo yaitu :

a. Menentukan Mahasiswa Aktif Tiap Prorgrm Studi.

Berdasarkan Gambar 2, kasus ini dapat diselesaikan dengan menggunakan teknik aljabar relasional. Bentuk aljabar relasional terebut dapat dituliskan sebagai berikut : ∏ , , , , , ∧ ∧ ∧ ‘Aktif’( ) dimana =m. dim_table_mhsw_nim =m. dim_table_mhsw_nama =p. dim_table_prodi_nama =s. dim_table_mhsw_status_nama =f. fact_table_mhsw_sks_total =f. fact_table_mhsw_ipk

=f. dim_table_mhsw_nim ℎ=f. dim_table_prodi_id =p. dim_table_prodi_id =f. dim_table_mhsw_status_id =s. dim_table_mhsw_status_id =dim_table_mhsw m =dim_table_prodi p =dim_table_mhsw_status s =fact_table_mhsw f

Gambar 2 Model Relasional Data Warehouse Akedemik Universitas Halu Oleo Menggunakan Star Schema

Query untuk menampilkan Mahasiswa yang masih aktif untuk tiap program studi beserta IPK dan total SKS yang sudah diprogram ditunjukkan oleh Gambar 3

SELECT m.dim_table_mhsw_nim, m. dim_table_mhsw_nama, p.dim_table_prodi_nama, s.dim_table_mhsw_status_nama, f.fact_table_mhsw_sks_total, f.fact_table_mhsw_ipk FROM dim_table_mhsw m, dim_table_prodi p, dim_table_mhsw_status s, fact_table_mhsw f WHERE f.dim_table_mhsw_nim = m. dim_table_mhsw_nim AND f.dim_table_prodi_id = p.dim_table_prodi_id AND f.dim_table_mhsw_status_id = s.dim_table_mhsw_status_id AND s.dim_table_mhsw_status_nama = ‘Aktif’

Gambar 3 Query untuk Menampilkan Mahasiswa yang Masih Aktif untuk Tiap Program Studi beserta IPK dan Total SKS yang sudah Diprogram

b. Menentukan Mahasiswa yang Telah Menyelesaikan Tugas Akhir Tiap Prorgrm Studi.

Dalam aljabar relasional, kasus ini dapat diselesaikan dengan menggunakan bentuk sebagai berikut: ∏ , , , ∧ ∧ ∧ ‘Lulus’( ) dimana =m. dim_table_mhsw_nim =m. dim_table_mhsw_nama =p. dim_table_prodi_nama =ta. dim_table_ta_ket =f. dim_table_mhsw_nim =f. dim_table_prodi_id =p. dim_table_prodi_id ℎ=f. dim_table_ta_id =ta. dim_table_ta_id =dim_table_mhsw m =dim_table_prodi p =dim_table_ta ta =fact_table_mhsw f

Query untuk menentukan mahasiswa berdasarkan program studi setiap Tahun Akademik (TA) ditunjukkan oleh Gambar 4.

SELECT m.dim_table_mhsw_nim, m. dim_table_mhsw_nama, p.dim_table_prodi_nama, ta.dim_table_ta_ket FROM dim_table_mhsw m, dim_table_prodi p, dim_table_ta ta, fact_table_mhsw f WHERE f.dim_table_mhsw_nim = m. dim_table_mhsw_nim AND f.dim_table_prodi_id = p.dim_table_prodi_id

AND f.dim_table_ta_id = ta.dim_table_ta_id

AND ta.dim_table_ta_ket = ‘20161’

Gambar 4 Query untuk Menentukan Mahasiswa Berdasarkan Program Studi Setiap Tahun Akademik (TA)

3.3 Aplikasi DataWarehosue

Pada bagian ini ditunjukkan aplikasi

data Warehouse yang telah dirancang.

Beberapa fitus aplikasi disesuaikan dengan contoh kasus yang diberikan pada bagian sebelumnya. Aplikasi ini merupakan versi 1.0 yang dikembangkan menggunakan Bahasa pemrograman PHP. Gambar 4. Menunjukkan salah satu tampilan aplikasi data Warehouse

Universitas Halu Oleo.

Gambar 4 Salah Satu Tampilan Aplikasi Data Warehouse Universitas Halu Oleo

4. KESIMPULAN

Data Warehouse Universitas Halu Oleo telah berhasil dibuat menggunakan model star schema. Model yang diperoleh dapat mendukung penggalian informasi yang dibutuhkan bagi top-level management secara cepat. Penelitian selanjutka kami akan mengintegrasikan data Aset dengan data

Warehouse yang telah dibuat. 5. SARAN

Untuk penelitian selanjutnya objek penelitian dapat ditambah dengan data base asset, keuangan dan sumber daya manusia. Perlu juga dikembangkan dengan menggunakan model snowflake schema

UCAPAN TERIMA KASIH

Penulis mengucapkan terima kasih kepada Lembaga Penelitian dan Pengadian pada Masyarakat Universitas Halu Oleo yang telah memberi dukungan finansial terhadap penelitian inimelalui skema Penelitian Dosen Pemula.

DAFTAR PUSTAKA

[1] Inmon W. H., 2005, Building the Data Warehouse 4th Edition, Indianapolis: Wiley Publishing, Inc.

[2] Goonetillake J.S. dan Wikramanayake G.N., 2010, Managing Very Large Databases and Data Warehousing, Sri Lankan Journal of Librarianship and Information Management, Vol. 2, No. 1, Hal. 22-29

[3] Warnars S., 2010, Tata Kelola Database Perguruan Tinggi yang Optimal Dengan

Data Warehouse , TELKOMNIKA, Vol. 8, No. 1, Hal. 25-34, 2010.

[4] Azimah A., dan Sucahyo Y. G., 2007, Implementasi Data Warehouse Untuk Menunjang Kegiatan Akademik,

Seminar Nasional Sistem dan Informatika, Bali, Indonesia, Hal. 270-275.

[5] Febriady M., dan Tama B. A., 2011, Rancang Bangun Data Warehouse untuk Menunjang Evaluasi Akademik di Fakultas 2011, Prosiding Konferensi Nasional Teknologi Informasi dan Aplikasinya (KNTIA) 2011, Palembang, 22 Oktober 2011.

[6] Ulmer, C., BayerG., ChoeY. R., dan RoeD., 2010, Exploring Data Warehouse Appliances forMesh Analysis Applications,Proceedings of the 43rd Hawaii International Conference on System Sciences– 2010. [7] Sen A., Ramamurthy K., danSinhaa. P.,

2012, Atish P. A Model of Data Warehousing Process Maturity, IEEE Transactions on Software Engineering, Vol. 38, No. 2.

[8] Liu Y. danVitoloT. M., 2013, Graph Data Warehouse : Steps to Integrating Graph Databases into the TraditionalConceptual Structure of a Data Warehouse Work in Progress,

IEEE International Congress on Big Data. DOI 10.1109/BigData.Congress.2013.72,Hal. 433-434.

[9] Faber, N., de Koster M.B.M., dan Smidts A, 2013, Organizing Warehouse management, International Journal of Operations &Production Management, Vol. 33 No. 9, 2013Hal. 1230-1256,

[10] Han, J., Kamber, M. dan Pei, J., 2012,

Data Mining: Concepts and Techniques Second Edition, Morgan Kaufmann Publishers, San Francisco.